背景
高压输电线导地线可能存在缺陷，人工检查太危险，可应用图像的检测识别等方法进行缺陷检测。
项目信息
- 项目名称：导地线缺陷检测
- 定义：利用无人机拍摄的高压电网图片实现导地线缺陷检测
- 真实价值：人工检查高压输电线缺陷太危险，用图像检测识别的方式进行缺陷检测可规避人工检测的危险
小组成员
- @xuhaihua (暂定负责训练模型，刷点)
- @liyang (暂定负责封装算法)
项目现状
已有数据：
- 训练数据： s3://video-ai-data/dianwang/202xxx/odgt_files/*_train.odgt
- 测试数据： s3://video-ai-data/dianwang/202xxx/odgt_files/*_val.odgt
- 数据格式： {“fpath”: “xxx.jpg”, “height”: “1080”, “width”: “1920”, “gtboxes”: [{“box”: [x, y, w, h], “tag”: “000000181”}], “ID”: “xxxx”}， 其中"ID"是图片nori_id, "tag"是代表缺陷框类型的9位数编码。缺陷含义和编码对应关系见 缺陷字典对应表
已有 codebase
目标：
交付模型
需要重点考虑的问题：
- 高压电网组成知识学习
- 数据标签错误比例是否过大
- 导地线属于狭长目标？检测难度大，是否考虑分割方案（需要提标注）？
研究计划细化目标
（暂定）
5.17-5.23 理解高压电网导地线结构，理解数据缺陷类别特点，分析数据标注质量，做数据 aug 和删除错误数据。
5.24-5.30 调研可用模型，主要包括 R-CNN 系列，SSD，Yolo，RetinaNet 等检测模型。训练第一版模型。
5.31-6.6 迭代模型，刷点。
6.7-6.13 封装模型。
评价指标/结果检测：
iou, mAP, precision, recall